Dify
Dify 是一个开源 AI 应用与 agentic workflow 平台，适合用可视化节点把模型、工具、知识库、代码和 API 输出串成可发布的应用。
#tech / ai
#type / resource
#status / growing
#resource / dify
#media / tool
#platform / browser
#platform / server
[!info] related notes
- 相关主题: Agentic Systems, Agentic Workflow Patterns, AI 功能模块设计
- 相关 MOC: Dify MOC, AI MOC, Agent MOC
- 相关 howto: 在 Dify 中创建 video-craft-agent Workflow
Dify
这是什么
Dify 是一个开源 AI 应用构建平台，核心价值是把模型调用、知识库检索、工具调用、代码处理、条件分支和发布能力放到一套可视化编排环境里。
它更像一个低代码 AI 应用脚手架，而不是单纯的聊天页面或模型 API 包装器。用户可以在 Studio 里拖拽节点构建 Workflow / Chatflow，也可以把发布后的应用通过 Web 或 API 暴露给外部系统使用。
适用平台
- Dify Cloud：直接使用托管服务。
- Self-host：部署到自己的服务器或本地环境，适合需要数据隔离、私有模型或内网工具接入的场景。
- Web UI：用于配置应用、调试节点、查看日志和发布应用。
- 后端 API：用于让 FastAPI、Node.js 服务或其他业务系统调用 Dify 应用。
核心特点 / 优势 / 局限
核心特点
- 可视化编排：用节点组织输入、LLM、知识检索、工具、代码、条件分支和输出。
- 多应用形态：支持 Workflow、Chatflow，以及更基础的 Chatbot、Agent、Text Generator。
- 工程化发布：应用可通过 Web 或 API 交付给用户或其他系统。
- 可控性强于纯聊天：固定路径、校验节点和输出节点能把模型能力限制在明确流程里。
优势
- 适合把原型快速变成可调用的 AI 应用。
- 适合先用低代码方式验证流程，再决定是否迁移到自研后端。
- 适合团队把 prompt、流程、知识库和工具接入集中管理。
局限
- Dify 不能自动消除 LLM 输出的不稳定性；重要输出仍需要 Code 节点、结构化输出约束或后端校验。
- 复杂业务逻辑如果完全塞进画布，后期可能难以版本化、测试和代码审查。
- Agent 类型应用更灵活，但调试成本和不可预测性也更高；路径固定时应优先考虑 Workflow。
常见用途
- 自动化内容生成：营销文案、短视频脚本、报告生成、摘要生成。
- 对话式业务助手：客服问答、内部知识库问答、任务型对话。
- 数据处理管道：输入结构化数据，经过 LLM 和 Code 节点处理后输出固定格式。
- AI 功能模块原型：先在 Dify 中验证流程，再接入正式产品后端。
在本知识库中的定位
Dify 相关笔记按对象页和地图页拆开：
- 本页只介绍 Dify 这个平台本身。
- Dify MOC 负责组织 Dify 系列的阅读顺序。
- Dify AI 应用类型 负责比较 Workflow、Chatflow、聊天助手、Agent 和文本生成。
- 在 Dify 中创建 video-craft-agent Workflow 负责记录具体实战。